掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
MindSpore深度學習入門與實踐 版權信息
- ISBN：9787560665108
- 條形碼：9787560665108 ; 978-7-5606-6510-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
MindSpore深度學習入門與實踐 內容簡介
《MindSpore深度學習入門與實踐》分理論和實踐兩大部分。理論部分介紹了深度學習的相關基礎知識，從深度學習的基礎知識到簡單的卷積神經網絡再到更加復雜的循環神經網絡、生成對抗網絡、深度強化學習，層層遞進，由淺入深。實踐部分以2019年華為新推出并于2020年開源的MindSpore框架為深度學習的學習工具，將理論部分介紹的深度學習理論知識運用到實踐中，使用MindSpore框架實現線性擬合、數字圖像分類、圖片分類等功能，以便讀者掌握MindSpore框架的使用和深度學習知識的實際運用！ 禡indSpore深度學習入門與實踐》屬于深度學習的入門書，適合于深度學習與機器學習相關領域的初學者或者有一定相關知識經驗的學習者、MindSpore框架的初學者以及對華為AI計算框架相關系列感興趣的讀者。
MindSpore深度學習入門與實踐 目錄
**部分 理 論
第1章 深度學習與MindSpore 2
1.1 機器學習 2
1.1.1 圍棋與人工智能 2
1.1.2 什么是機器學習 3
1.2 深度學習 4
1.2.1 什么是深度學習 4
1.2.2 深度學習的現實應用 5
1.3 常用的深度學習框架 8
1.4 MindSpore簡介 9
1.4.1 MindSpore架構 9
1.4.2 端云協同架構 12
參考文獻 13
第2章 深度學習基礎知識 15
2.1 神經網絡 15
2.1.1 人工神經網絡 15
2.1.2 神經網絡的發展歷史 16
2.2 回歸問題 18
2.2.1 模型 18
2.2.2 模型訓練 18
2.3 分類問題 22
2.4 前向傳播 23
2.5 梯度下降 24
2.5.1 梯度 24
2.5.2 梯度下降 24
2.5.3 梯度下降法的一般過程 25
2.5.4 常見的梯度下降法 25
2.6 鏈式法則與反向傳播 26
2.7 優化器 29
2.7.1 梯度下降算法
(Gradient Descent，GD) 29
2.7.2 動量法(Momentum) 31
2.7.3 Nesterov Accelerated Gradient
(NAG) 31
2.7.4 AdaGrad 32
2.7.5 Adadelta 32
2.8 過擬合與欠擬合 33
參考文獻 34
第3章 卷積神經網絡 35
3.1 卷積 35
3.2 池化 39
3.2.1 平均值池化 40
3.2.2 *大值池化 41
3.3 激活函數 41
3.3.1 激活函數的作用 41
3.3.2 常用的激活函數 42
3.4 卷積神經網絡的整體結構 44
參考文獻 45
第4章 循環神經網絡 46
4.1 循環神經網絡概述 46
4.2 循環神經網絡基本結構 46
4.2.1 基本循環神經網絡 46
4.2.2 雙向循環神經網絡 47
4.3 循環神經網絡變種 49
4.3.1 RNN的局限性 49
4.3.2 LSTM 50
4.3.3 GRU 56
參考文獻 57
第5章 生成對抗網絡 58
5.1 生成對抗網絡概述 58
5.1.1 GAN理論與實現 59
5.1.2 生成網絡 60
5.1.3 判別網絡 60
5.2 條件生成對抗網絡 60
5.3 深度卷積生成對抗網絡 61
5.4 GAN的典型應用 62
5.4.1 生成數據 62
5.4.2 圖像超分辨率 63
5.4.3 風格轉換 63
參考文獻 63
第6章 深度強化學習 65
6.1 深度強化學習概述 65
6.1.1 強化學習 65
6.1.2 深度強化學習 66
6.2 深度強化學習算法 67
6.2.1 Q-Learning 67
6.2.2 DQN 68
6.2.3 Policy Gradient Method 69
6.3 深度強化學習的應用 69
6.3.1 機器人 70
6.3.2 導航與自動駕駛 70
6.3.3 智能醫療 71
參考文獻 72
第二部分 實 踐
第7章 實驗環境的安裝和使用 74
7.1 Anaconda 74
7.1.1 Anaconda簡介 74
7.1.2 Anaconda的安裝 74
7.2 MindSpore的安裝 76
7.2.1 安裝對應的Python版本 77
7.2.2 安裝Windows cpu版本
MindSpore 77
7.3 選擇合適的IDE 79
7.3.1 PyCharm簡介 79
7.3.2 VSCode簡介 80
7.3.3 MindStudio簡介 80
7.3.4 Jupyter Notebook簡介 81
7.4 總結 82
第8章 MindSpore快速入門 84
8.1 MindSpore中的一些基本概念
及操作 84
8.1.1 張量(Tensor)初始化及其屬性 84
8.1.2 張量運算 86
8.2 MindSpore數據加載及處理 88
8.2.1 數據加載 88
8.2.2 數據處理及增強 90
8.3 總結 93
第9章 實現簡單線性函數擬合 94
9.1 實例背景 94
9.2 解決方案設計 94
9.3 方案實現 95
9.3.1 生成數據集 95
9.3.2 定義訓練網絡 97
9.3.3 擬合過程可視化準備 99
9.3.4 執行訓練 101
9.4 總結 103
第10章 使用LeNet-5網絡實現手寫
數字識別 104
10.1 LeNet-5網絡 104
10.1.1 LeNet-5網絡概述 104
10.1.2 各層參數詳解 104
10.2 Mnist數據集 107
10.2.1 Mnist數據集簡介 107
10.2.2 數據集下載 107
10.2.3 數據讀取 108
10.2.4 數據處理 109
10.2.5 定義訓練網絡 111
10.2.6 訓練網絡 113
10.2.7 推理預測 114
10.3 總結 116
第11章 使用AlexNet網絡實現
圖像分類 117
11.1 AlexNet網絡 117
11.1.1 AlexNet網絡概述 117
11.1.2 各層參數詳解 117
11.2 CIFAR-10數據集 120
11.2.1 CIFAR-10數據集簡介 120
11.2.2 數據集下載 121
11.2.3 數據讀取 122
11.3 使用AlexNet網絡實現圖像分類 123
11.3.1 使用Cifar10Dataset加載并
處理輸入圖像 123
11.3.2 構建網絡模型 126
11.3.3 訓練網絡 128
11.3.4 驗證模型 131
11.4 總結 131
第12章 ResNet網絡的實現 133
12.1 ResNet網絡 133
12.1.1 ResNet網絡概述 133
12.1.2 ResNet網絡結構 133
12.2 ResNet網絡的實現 136
12.2.1 數據載入及處理 136
12.2.2 構建模型 137
12.2.3 訓練模型 144
12.2.4 評估模型 145
12.3 總結 146
第13章 LSTM網絡的實現 147
13.1 aclImdb_v1數據集 147
13.2 LSTM網絡的實現 148
13.2.1 準備數據集 148
13.2.2 生成適用于MindSpore的
數據集 148
13.2.3 構建模型 155
13.2.4 訓練模型 158
13.3 總結 160
展開全部
書友推薦
- >
煙與鏡
- >
月亮與六便士
- >
中國歷史的瞬間
- >
史學評論
- >
名家帶你讀魯迅:故事新編
- >
我與地壇
- >
詩經-先民的歌唱
- >
朝聞道
本類暢銷
